30
Узким местом в алгоритме Apriori является процесс генерации
кандидатов в популярные предметные наборы. Например, если база данных
транзакций содержит 100 предметов, то потребуется сгенерировать
2100~1030кандидатов. Таким образом, вычислительные и временные затраты,
которые нужны на их обработку, могут быть неприемлемыми. Кроме этого,
алгоритм Apriori требует многократного сканирования базы данных
транзакций, а именно столько раз, сколько предметов содержит самый
длинный предметный набор. Поэтому был предложен ряд алгоритмов,
которые позволяют избежать генерации кандидатов и сократить требуемое
число сканирований набора данных.
Одной из наиболее эффективных процедур поиска ассоциативных
правил является алгоритм, получивший название Frequent Pattern-Growth
(FPG), что можно перевести как «выращивание популярных (часто
встречающихся) предметных наборов». Он позволяет не только избежать
затратной процедуры генерации кандидатов, но уменьшить необходимое
число проходов базы данных до двух.
1.4. Итоги исследования интеллектуального анализа данных
Человеческое общество на современном этапе развития становится всё
более сложным. Появляются новые задачи, проблемы, вызовы, которые
необходимо решать, чтобы прогресс не стоял на месте. Наука не стоит на
месте. Она предлагает более совершенные технологии, подходы, методики и
методы. Одним из таки направлений является искусственный интеллект.
Искусственный интеллект, на взгляд автора, можно считать новой
областью человеческих знаний, потому что границы её по-прежнему не
определены. Они продолжают активно расширяться. Это вызвано тем, что
данный подход оказался очень востребованным в современном обществе. При
этом с каждым днём открываются всё новые и новые направления, где он
оказывается очень полезным и, часто, просто незаменимым.